Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

DepthAnything Monocular Depth Quiz

Ελέγξτε τη μηχανή δεδομένων καθηγητή-μαθητή του Depth Anything, τον κωδικοποιητή DINOv2, τις εξόδους σχετικού βάθους και τις βελτιώσεις συνθετικών δεδομένων στο V2.

Σχετικές διαδρομές οδηγώνDepthanything Monocular Depth
Ερώτηση 1 του 8

Τι σημαίνει «μονόφθαλμη» εκτίμηση βάθους;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι σημαίνει «μονόφθαλμη» εκτίμηση βάθους;
    • Πρόβλεψη βάθους από μία μόνο εικόνα
    • Χρήση δύο καμερών για στερεοφωνική όραση
    • Χρήση αισθητήρα LiDAR
    • Μέτρηση βάθους με ηχητικά κύματα
  2. Ποια ήταν η κύρια στρατηγική του DepthAnything για την επίτευξη ισχυρής γενίκευσης;
    • Χειροκίνητη επισήμανση ενός μικρού δεδομένων υψηλής ποιότητας
    • Εκπαίδευση σε περίπου 62 εκατομμύρια εικόνες χωρίς ετικέτα με αυτόματη σήμανση
    • Χρησιμοποιώντας μόνο δεδομένα συνθετικών μηχανών παιχνιδιών
    • Βασιζόμενοι σε ζεύγη στερεοφωνικών καμερών
  3. Σε ποιον βασικό κωδικοποιητή βασίζεται το DepthAnything;
    • Ένα ResNet-18 CNN
    • Ένα επαναλαμβανόμενο δίκτυο LSTM
    • Ο μετασχηματιστής όρασης DINOv2
    • Ένας ανιχνευτής YOLO
  4. Τι είδους βάθος βγάζει κυρίως το αρχικό DepthAnything;
    • Ακριβής απόσταση σε μέτρα
    • Μόνο δυαδικό προσκήνιο/φόντο
    • Συντεταγμένες GPS
    • Σχετικό βάθος (πλησιέστερα έναντι μακρύτερα)
  5. Πώς το DepthAnything V2 βελτίωσε τις λεπτές λεπτομέρειες και τις άκρες;
    • Εκπαιδεύοντας τον δάσκαλο σε συνθετικά δεδομένα με τέλεια αληθή αληθές, στη συνέχεια με απόσταξη
    • Με την προσθήκη περισσότερων πραγματικών θορυβωδών ετικετών
    • Αφαιρώντας τον κωδικοποιητή μετασχηματιστή
    • Χρησιμοποιώντας εισόδους χαμηλότερης ανάλυσης
  6. Ποια εφαρμογή ΔΕΝ είναι τυπική χρήση μονοφθάλμιων χαρτών βάθους;
    • Θάμπωμα φόντου σε λειτουργία πορτρέτου
    • Κρυπτογράφηση κίνησης δικτύου
    • Κλιματισμός βάθους ControlNet
    • Μετατροπή φωτογραφιών 2D σε 3D
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models